问题描述
我有如下所示的file1.csv：
99495
123346
1132013
和如下所示的file2.csv：
99495,141
99495,138
123346,1
两个文件都已使用：
sort -t,-k1n file1_unsorted.csv > file1.csv
sort -t,-k1n file2_unsorted.csv > file2.csv
我也尝试使用-k1g进行排序，但最终结果没有差异。
当我将两个CSV的第一个字段中的两个都加入时，
join -t,-o 2.1 2.2 -1 1 -2 1 file1.csv file2.csv > joined.csv
我得到了错误：
join: file1.csv:2: is not sorted: 123346
join: file2.csv:3: is not sorted: 123346,1
在我看来，“ sort”程序按 field 排序似乎是一个问题，而“ join”程序尝试在检查第一个 digit 上的排序时尝试加入。由于1小于9，因此表示数字未排序。我猜想用0填充数字会起作用，但是我不想这样做。我希望能够加入进来，以认识到排序是由整个字段完成的。
请注意，当我尝试上述最小工作示例时，即使sort -c引发错误，也确实发生了连接。但是，当我在（大型）实际数据集上进行尝试时，我得到了上面发布的错误。
我在Windows 10的Ubuntu WSL上同时使用join和sort的8.28版本。
解决方法
首先，您需要按字母顺序对文件进行排序，以join对其进行排序，然后在加入后按数字sort进行排序：
join -t,<(sort -b unsorted1.csv) <(sort -b unsorted2.csv) | LC_ALL=C sort -n
由于LC_ALL=C在某些语言环境中用作小数点字符，而在其他语言环境中可用作数字分组字符，因此,可能是必需的。